【技术实现步骤摘要】
本申请涉及电池系统，特别是涉及一种电池故障预测方法、装置、电子装置和存储介质。
技术介绍
1、随着物联网的高速发展，近年来数字孪生技术受到国内外越来越多的关注。数字孪生技术是以数字化方式创建物理实体的虚拟模型，模拟物理实体在现实环境中的行为，通过虚实交互反馈实时感知系统，对数据进行融合分析下发相应决策。
2、目前，使用数字孪生技术对电池故障进行诊断的方法大都关注于故障发生末期，当电动汽车运行过程中，通过将电动汽车电池可测量的外部参数输入数字孪生模型中，从而判断电池是否发生故障以及故障类型，通过该方式对电池进行故障预测时，仅使用可测量的电池数据进行预测，并且，电动汽车在运行的过程中，电池的可测量的数据有限，包含的信息较少，从而无法准确地反映电池的状态，进而导致电池故障预测的准确度较低。
3、针对相关技术中存在电池故障预测的准确度低的问题，目前还没有提出有效的解决方案。
技术实现思路
1、在本实施例中提供了一种电池故障预测方法、装置、电子装置和存储介质，以解决相关技术中存在电池故障预测的准确度低的问题。
2、第一个方面，在本实施例中提供了一种电池故障预测方法，包括：
3、获取待测电池的实时测量数据；
4、将所述实时测量数据输入训练好的神经网络模型中，得到所述实时测量数据对应的电池内部参数，所述电池内部参数用于表征所述待测电池当前的内部状态信息；
5、将所述电池内部参数输入电化学数字孪生模型中，得到所述电池内部参数对
6、基于所述预测数据确定所述待测电池的故障预测结果。
7、在其中的一些实施例中，在所述将所述电池内部参数输入电化学数字孪生模型中，得到所述电池内部参数对应的预测数据之前，还包括：
8、获取所述待测电池的生产参数以及电化学参数；
9、对所述生产参数以及所述电化学参数进行预处理，得到预处理后的电池参数；
10、基于所述预处理后的电池参数以及所述三维热模型通过数字孪生技术构建所述电化学数字孪生模型。
11、在其中的一些实施例中，所述基于所述预测数据确定所述待测电池的故障预测结果，包括：
12、确定参考数据；
13、确定所述参考数据与所述预测数据之间的残差；
14、基于所述残差以及预设残差阈值，确定所述待测电池的故障预测结果。
15、在其中的一些实施例中，所述基于所述残差以及预设残差阈值，确定所述待测电池的故障预测结果，包括：
16、若所述残差小于或等于所述预设残差阈值，则所述待测电池未发生故障；
17、若所述残差大于所述预设残差阈值，则所述待测电池发生故障。
18、在其中的一些实施例中，所述电池故障预测方法还包括：
19、基于所述待测电池运行开始至故障发生时，所述参考数据与所有预测数据之间的残差，生成残差记录表；
20、基于所述残差记录表以及预设故障集，确定所述待测电池的故障类型。
21、在其中的一些实施例中，所述基于所述残差记录表以及预设故障集，确定所述待测电池的故障类型，包括：
22、对所述残差记录表中的所有残差进行聚类分析，得到所述待测电池的聚类分析结果；
23、确定所述聚类分析结果与所述预设故障集中每一故障类型的相似度；
24、将相似度最高的故障类型确定为所述待测电池的故障类型。
25、在其中的一些实施例中，在所述将所述实时测量数据输入训练好的神经网络模型中，得到所述实时测量数据对应的电池内部参数之前，还包括：
26、获取训练集，所述训练集为与所述待测电池同类型的电池的生产参数、运行参数以及电池内部参数；
27、基于所述训练集对初始神经网络模型进行训练，得到所述训练好的神经网络模型。
28、第二个方面，在本实施例中提供了一种电池故障预测装置，包括：
29、获取模块，用于获取待测电池的实时测量数据；
30、电池内部参数确定模块，用于将所述实时测量数据输入训练好的神经网络模型中，得到所述实时测量数据对应的电池内部参数，所述电池内部参数用于表征所述待测电池当前的内部状态信息；
31、预测模块，用于将所述电池内部参数输入电化学数字孪生模型中，得到所述电池内部参数对应的预测数据，所述电化学数字孪生模型是基于所述待测电池的电化学参数以及三维热模型通过数字孪生技术构建的；
32、确定模块，用于基于所述预测数据确定所述待测电池的故障预测结果。
33、第三个方面，在本实施例中提供了一种电子装置，包括存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述第一个方面所述的电池故障预测方法。
34、第四个方面，在本实施例中提供了一种存储介质，其上存储有计算机程序，该程序被处理器执行时实现上述第一个方面所述的电池故障预测方法。
35、与相关技术相比，在本实施例中提供的电池故障预测方法，将待测电池的实时测量数据输出到训练好的神经网络模型得到实时测量数据对应的电池内部参数，从而实现了电池内部参数的获取，进而通过电化学数字孪生模型基于电池内部参数对待测电池的故障进行预测，得到预测数据，并通过预测数据确定待测电池的故障预测结果，有效地避免了仅通过电池的外部测量参数对电池进行故障预测，导致故障预测准确度低的问题，从而提高了电池故障预测的准确度。
36、本申请的一个或多个实施例的细节在以下附图和描述中提出，以使本申请的其他特征、目的和优点更加简明易懂。
本文档来自技高网...【技术保护点】
1.一种电池故障预测方法，其特征在于，包括：
2.根据权利要求1所述的电池故障预测方法，其特征在于，在所述将所述电池内部参数输入电化学数字孪生模型中，得到所述电池内部参数对应的预测数据之前，还包括：
3.根据权利要求1所述的电池故障预测方法，其特征在于，所述基于所述预测数据确定所述待测电池的故障预测结果，包括：
4.根据权利要求3所述的电池故障预测方法，其特征在于，所述基于所述残差以及预设残差阈值，确定所述待测电池的故障预测结果，包括：
5.根据权利要求3所述的电池故障预测方法，其特征在于，所述电池故障预测方法还包括：
6.根据权利要求5所述的电池故障预测方法，其特征在于，所述基于所述残差记录表以及预设故障集，确定所述待测电池的故障类型，包括：
7.根据权利要求1所述的电池故障预测方法，其特征在于，在所述将所述实时测量数据输入训练好的神经网络模型中，得到所述实时测量数据对应的电池内部参数之前，还包括：
8.一种电池故障预测装置，其特征在于，包括：
9.一种电子装置，包括存储器和处理器，
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的电池故障预测方法的步骤。
...【技术特征摘要】
1.一种电池故障预测方法，其特征在于，包括：
2.根据权利要求1所述的电池故障预测方法，其特征在于，在所述将所述电池内部参数输入电化学数字孪生模型中，得到所述电池内部参数对应的预测数据之前，还包括：
3.根据权利要求1所述的电池故障预测方法，其特征在于，所述基于所述预测数据确定所述待测电池的故障预测结果，包括：
4.根据权利要求3所述的电池故障预测方法，其特征在于，所述基于所述残差以及预设残差阈值，确定所述待测电池的故障预测结果，包括：
5.根据权利要求3所述的电池故障预测方法，其特征在于，所述电池故障预测方法还包括：
6.根据权利要求5所述的电池故障预测方法，其特征在于，所述...
【专利技术属性】
技术研发人员：段总样，高科杰，
申请(专利权)人：浙江凌骁能源科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。